首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >存储Android股票语音识别引擎的音频输入

问存储Android股票语音识别引擎的音频输入
EN

Stack Overflow用户
提问于 2011-12-20 23:40:50
回答 3查看 8.4K关注 0票数 39

我试图将android语音识别服务所听的音频数据保存在一个文件中。

实际上,我实现了RecognitionListener,如这里所解释的:Android上的文字演讲

将数据保存到缓冲区中,如下图所示:捕获发送到Google语音识别服务器的音频

并将缓冲区写入Wav文件,如这里所示。Android将原始字节记录到用于Http流的WAVE文件中。

我的问题是如何获得适当的音频设置,以保存在wav文件的头。实际上,当我播放wav文件时,只听到奇怪的噪音,在这个参数下,

代码语言:javascript
复制
short nChannels=2;// audio channels
int sRate=44100;    // Sample rate
short bSamples = 16;// byteSample

或者什么都不做:

代码语言:javascript
复制
short nChannels=1;// audio channels
int sRate=8000;    // Sample rate
short bSamples = 16;// byteSample

令人困惑的是,从logcat查看语音识别任务的参数,我发现第一个设置回放采样率为44100 HZ。

代码语言:javascript
复制
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK PCM format to S16_LE (Signed 16 bit Little Endian)
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Using 2 channels for PLAYBACK.
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Set PLAYBACK sample rate to 44100 HZ
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Buffer size: 2048
    12-20 14:41:34.007: DEBUG/AudioHardwareALSA(2364): Latency: 46439

然后,当aInfo.SampleRate = 8000播放要发送到google服务器的文件时:

代码语言:javascript
复制
    12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::InitWavParser
12-20 14:41:36.152: DEBUG/(2364): File open Succes
12-20 14:41:36.152: DEBUG/(2364): File SEEK End Succes
...
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = RIFF?
12-20 14:41:36.152: DEBUG/(2364): Data Read = RIFF?
12-20 14:41:36.152: DEBUG/(2364): PV_Wav_Parser::ReadData
12-20 14:41:36.152: DEBUG/(2364): Data Read buff = fmt 
...
12-20 14:41:36.152: DEBUG/(2364): PVWAVPARSER_OK
12-20 14:41:36.156: DEBUG/(2364): aInfo.AudioFormat = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumChannels = 1
12-20 14:41:36.156: DEBUG/(2364): aInfo.SampleRate = 8000
12-20 14:41:36.156: DEBUG/(2364): aInfo.ByteRate = 16000
12-20 14:41:36.156: DEBUG/(2364): aInfo.BlockAlign = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.BitsPerSample = 16
12-20 14:41:36.156: DEBUG/(2364): aInfo.BytesPerSample = 2
12-20 14:41:36.156: DEBUG/(2364): aInfo.NumSamples = 2258

那么,如何找到正确的参数来保存一个好的wav音频文件中的音频缓冲区呢?

EN

回答 3

Stack Overflow用户

发布于 2012-05-29 21:50:30

您还没有包含用于实际编写PCM数据的代码,因此很难诊断,但是如果您听到奇怪的噪音,那么很可能您在编写数据时使用了错误的恩甸或错误的通道数。错误的采样率只会导致音频听起来更慢或更快,但如果声音听起来完全乱七八糟,那么在指定通道数或字节流的枚举性方面可能是一个错误。

要确定,只需直接将字节流到没有任何头(原始PCM数据)的文件中即可。这样,您就可以排除在写入文件头时出现的任何错误。然后使用胆量导入原始数据,尝试不同的选项(位深度、端点、通道),直到您得到一个听起来正确的音频文件(只有一个是正确的)。你可以从文件->导入->原始数据.

一旦以这种方式标识了字节格式,您只需担心是否正确设置了标头。您可能希望引用此引用http://www-mmsp.ece.mcgill.ca/Documents/AudioFormats/WAVE/WAVE.html来获取文件格式。或者查看关于编写音频文件、Java -读取、操作和写入WAV文件或FMJ的现有Java解决方案的以下链接。虽然我想这些可能不能在Android上使用。

如果您必须滚动您自己的WAV/RIFF编写器,请记住,Java的数据类型是大端,因此您写入文件的任何多字节原语都必须用反向字节顺序编写,以匹配RIFF的小权限。

票数 6
EN

Stack Overflow用户

发布于 2012-07-11 19:35:52

8000,小终端,16位PCM,单通道

票数 2
EN

Stack Overflow用户

发布于 2016-02-03 15:30:53

在最新版本的onBufferReceived无法工作,您可以使用从语音识别意图记录/保存音频代替。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/8583406

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档